Biliup项目中的B站录制403问题分析与解决方案
问题背景
Biliup是一款流行的开源直播录制工具,近期在版本升级过程中出现了一个与B站录制相关的403错误问题。该问题表现为:当用户同时录制虎牙和B站直播时,B站的开播检测接口会返回403 Forbidden错误,导致后续无法正常进行B站直播的检测和录制。
问题现象
用户反馈在从v0.4.78升级至v0.4.81版本后,发现录制B站直播间会出现403错误,且后续无法正常进行B站开播检测。重启biliup后问题暂时解决,但会反复出现。通过日志分析发现,问题在添加虎牙直播间并开始录制后稳定触发。
技术分析
HTTP客户端机制
Biliup项目中使用的是全局httpx客户端,这意味着所有的HTTP请求共享同一个客户端实例。在httpx客户端中,请求头(header)的处理方式是"update"而非"overwrite",这导致上一次请求的header会被保留并影响后续请求。
虎牙直播的特殊处理
在虎牙直播的插件实现中,开发者添加了referer头信息以通过平台的风控检测。这个referer头会被保留在全局客户端中,影响后续的所有请求。
B站接口的变化
在v0.4.79版本中,Bilibili插件移除了referer头项,同时添加了短链支持。这一变更使得当虎牙的referer头被带到B站接口请求时,B站服务器会拒绝该请求,返回403错误。
问题根源
问题的根本原因在于:
- 全局httpx客户端共享请求头信息
- 虎牙插件添加的referer头被保留
- 这个保留的referer头被带到B站接口请求中
- B站服务器检测到异常的referer头后拒绝请求
临时解决方案
在问题修复前,用户可以采取以下临时解决方案:
- 在多个目录下分别启动Biliup实例
- 分平台添加录制主播(即不同平台的主播在不同实例中录制)
长期解决方案
开发团队已经意识到这个问题,并计划在下一个版本中修复。可能的修复方向包括:
- 为不同平台的请求使用独立的客户端实例
- 在每次请求前清除不必要的头信息
- 实现更精细化的头信息管理机制
技术启示
这个问题给我们带来了一些技术上的启示:
- 全局状态在复杂应用中的管理需要谨慎
- HTTP客户端的头信息处理方式对应用行为有重要影响
- 不同平台API的风控机制差异需要考虑
- 版本升级时需要注意各组件间的交互影响
总结
Biliup项目中出现的这个403问题是一个典型的多平台集成和HTTP客户端管理问题。通过分析这个问题,我们不仅理解了其技术原因,也看到了在开发类似工具时需要考虑的各种因素。开发团队已经着手解决这个问题,用户也可以采取临时方案规避影响。这类问题的解决将进一步提升Biliup的稳定性和用户体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00